作者 | 萬連山

數(shù)據(jù)支持 | 勾股 大數(shù) 據(jù)（www.gogudata.com）

谷歌正在押下史上規(guī)模最大的賭注之一：計(jì)劃今年投入1750億-1850億美元搞基建。

其中，60%用于剛剛在拉斯維加斯舉辦的Google Cloud Next大會(huì)上亮相的第八代TPU，史無前例地拆分成了兩款：專攻模型訓(xùn)練的TPU 8t，專攻推理的TPU 8i。

40%用于搭建支持智能體運(yùn)行的數(shù)據(jù)中心和網(wǎng)絡(luò)架構(gòu)。

這一切，都是為了迎接即將到來的“智能體時(shí)代”。

01

“前智能體時(shí)代”的交互模式是，用戶寫一堆復(fù)雜的提示詞，AI生成內(nèi)容。

然后呢？

具體用這些內(nèi)容做什么、怎么用，都由用戶自己執(zhí)行。

AI只負(fù)責(zé)動(dòng)嘴，真正干活的還是人。

人→AI→人，這是三個(gè)環(huán)節(jié)。

進(jìn)入智能體時(shí)代后，AI就不再是單純的被動(dòng)應(yīng)答聊天工具，而是具備了感知、推理、調(diào)用工具并采取行動(dòng)的實(shí)用工具。

簡(jiǎn)單來說，它擁有執(zhí)行能力，乃至執(zhí)行權(quán)。

環(huán)節(jié)只剩人→AI，極大提升了生產(chǎn)效率。

兩者本質(zhì)上是“被動(dòng)工具”與“主動(dòng)生產(chǎn)力”的區(qū)別。

所以，為什么要斥巨資研發(fā)這玩意？

因?yàn)橹悄荏w是目前唯一能帶來非線性人效提升的方案。

前沿模型智能體目前能以80%的可靠性自主完成的任務(wù)長(zhǎng)度，來源：METR

僅看本次展示的其中幾個(gè)行業(yè)：

1.金融。

高盛CTO分享了基于Gemini Enterprise和TPU 8i算力集群打造的內(nèi)部智能體“GS-Alpha”。

它每天實(shí)時(shí)監(jiān)控全球45000個(gè)新聞源、1200場(chǎng)上市公司的財(cái)報(bào)電話會(huì)議（直接聽音頻，文本轉(zhuǎn)錄有延遲）。

一旦某家公司CEO在電話會(huì)里的語氣出現(xiàn)異常的停頓或猶豫（語音情感分析），GS-Alpha會(huì)在0.2秒內(nèi)完成多步邏輯推理，自動(dòng)生成一份風(fēng)險(xiǎn)預(yù)警報(bào)告，并直接通過API向交易系統(tǒng)下達(dá)對(duì)沖指令。

據(jù)高盛披露的數(shù)據(jù)，這套系統(tǒng)上線后，其投研部門的數(shù)據(jù)處理通量提升了1400%，研報(bào)的平均生成時(shí)間從48小時(shí)壓縮到了3分鐘。

2.醫(yī)療。

梅奧診所展示了最新的“Med-Agent”工作流。

當(dāng)一個(gè)疑難雜癥患者入院時(shí)，Med-Agent會(huì)自動(dòng)調(diào)取患者過去15年的電子病歷，同時(shí)調(diào)用醫(yī)學(xué)影像分析模型，結(jié)合最新的醫(yī)學(xué)期刊數(shù)據(jù)庫(kù)自動(dòng)拉起一個(gè)“專家智能體會(huì)診”。

內(nèi)科智能體、外科智能體、病理科智能體在系統(tǒng)內(nèi)進(jìn)行相互辯論，最終給提供三個(gè)帶有明確置信度和文獻(xiàn)引用的治療方案。

根據(jù)《柳葉刀》2月針對(duì)40家大型醫(yī)院的研究數(shù)據(jù)，采用Med-Agent輔助的科室，誤診率降低了31%，醫(yī)生每天花在“寫病歷和查資料”上的行政時(shí)間減少了65%。

3.跨境電商。

歐美知名家居電商Wayfair通過接入Vertex AI，打造了一個(gè)龐大的數(shù)字孿生供應(yīng)鏈智能體。

它連接了全球3000多個(gè)供應(yīng)商、80個(gè)海運(yùn)港口和150個(gè)倉(cāng)儲(chǔ)中心的實(shí)時(shí)API。

比如在1月底，智能體通過抓取當(dāng)?shù)匦侣労蜕缃幻襟w情感分析，第一時(shí)間檢測(cè)到孟加拉國(guó)即將發(fā)生大規(guī)模罷工。

為了避免全棉床單斷貨，它不需要等待企業(yè)人工審批……直接向越南的備用工廠發(fā)送了緊急加單郵件；并自動(dòng)調(diào)用馬士基的物流API，修改三個(gè)集裝箱的航線；同時(shí)自動(dòng)登錄亞馬遜和自家官網(wǎng)后臺(tái)，將現(xiàn)有全棉床單的售價(jià)上調(diào)12%，以平滑庫(kù)存消耗。

根據(jù)Deloitte發(fā)布的《全球供應(yīng)鏈數(shù)字化轉(zhuǎn)型報(bào)告》，全面采用這類自主智能體的零售企業(yè)，其庫(kù)存周轉(zhuǎn)率平均提升了45%，因供應(yīng)鏈斷裂導(dǎo)致的缺貨損失降低了73%。。

顯然，對(duì)企業(yè)而言，智能體不止是“降本增效”這么簡(jiǎn)單，更能解決曾經(jīng)無解的痛點(diǎn)。

它能做到人做不到的事。

根據(jù)Gartner在3月最新發(fā)布的《企業(yè)級(jí)AI智能體落地與ROI追蹤白皮書》：

截至2026年第一季度，全球500強(qiáng)企業(yè)中，已有82%在核心業(yè)務(wù)流程中部署了至少一個(gè)具備“自主執(zhí)行能力”的智能體，而這個(gè)數(shù)字在2024年底僅為11%；部署基于多智能體系統(tǒng)的企業(yè)，平均投資回報(bào)期從2025年的14個(gè)月，斷崖式下降到4.5個(gè)月。

截至2025年末，谷歌專門針對(duì)企業(yè)客戶的Gemini Enterprise，僅僅推出幾個(gè)月，就賣出了超過800萬個(gè)付費(fèi)席位。

2026年Q1，其Gemini API的日均調(diào)用量達(dá)到了1200億次。其中，包含“工具調(diào)用”和“多步推理”的復(fù)雜智能體請(qǐng)求占比，從去年的不到15%飆升至68%。

這方面的需求，是毋庸置疑的，而且其爆發(fā)期才剛剛開始。

但是，困境也很明顯。

IDC預(yù)測(cè)2031年中國(guó)將存在3.5億個(gè)活躍智能體，來源：開源證券

02

智能體系統(tǒng)引入了多步推理、外部API工具調(diào)用、記憶機(jī)制。

要支撐大量智能體同時(shí)并發(fā)工作、且不能有明顯的延遲卡頓，企業(yè)內(nèi)部系統(tǒng)的API請(qǐng)求量必然呈指數(shù)級(jí)爆發(fā)。

Gartner的報(bào)告指出，2025年有40%的企業(yè)級(jí)AI項(xiàng)目失敗，并不是因?yàn)槟Ｐ筒粔蚵斆�，而是因�(yàn)椤八懔θ嚒睂?dǎo)致智能體超時(shí)崩潰。

如果沒有底層硬件的突破，智能體的大規(guī)模落地根本就是空中樓閣。

谷歌的底層算力架構(gòu)必須要升級(jí)。

首先是硬件方面。

第八代TPU被史無前例地拆分成了兩款截然不同的芯片：專攻模型訓(xùn)練的TPU 8t，專攻推理的TPU 8i。

前者還是經(jīng)典的大力出奇跡產(chǎn)品，采用了“雙計(jì)算芯粒 + 單I/O芯�！钡脑O(shè)計(jì)，單個(gè)超級(jí)計(jì)算節(jié)點(diǎn)可以集成9600塊芯片，計(jì)算性能達(dá)到121 Exaflops（百億億次浮點(diǎn)運(yùn)算）。相比去年發(fā)布的第七代，同等價(jià)格下的性能提升了2.8倍，每瓦性能提升了124%。

后者的作用，則是應(yīng)付海量智能體并發(fā)時(shí)的極端低延遲要求。

在AI推理中，算力往往不是瓶頸，把數(shù)據(jù)從內(nèi)存搬到處理器的過程才是最耗時(shí)、最耗能源的，俗稱內(nèi)存墻。

為了突破這堵墻，TPU 8i上內(nèi)置了高達(dá)384MB的SRAM，容量是上一代的三倍，同時(shí)還外掛了288GB的HBM顯存。

這意味著模型在運(yùn)行時(shí)的活躍工作集可以完全塞進(jìn)芯片內(nèi)部，幾乎不需要去外部要數(shù)據(jù)，處理器空閑等待時(shí)間銳減。

其次是軟件生態(tài)。

這次Next大會(huì)上，谷歌推出了統(tǒng)一的AI技術(shù)堆棧，升級(jí)了Vertex AI平臺(tái)，甚至拋出了Google Antigravity平臺(tái)這個(gè)大殺器。

Antigravity是一個(gè)專門為開發(fā)者打造的構(gòu)建自主智能體的全棧工具鏈。

以前開發(fā)一個(gè)Agent，開發(fā)者需要自己寫代碼去接各種API、設(shè)計(jì)長(zhǎng)短期記憶庫(kù)、規(guī)劃執(zhí)行邏輯。

現(xiàn)在，谷歌把這些全打包成了基礎(chǔ)設(shè)施，開發(fā)者可以像搭樂高一樣，輕松構(gòu)建具備任務(wù)規(guī)劃、工具調(diào)用能力的AI應(yīng)用。

不過，這也引發(fā)了一個(gè)問題。

還是對(duì)SaaS行業(yè)的擔(dān)憂。

SaaS基本面惡化，來源：浙商證券

如果AI Agent能自己拉數(shù)據(jù)、寫報(bào)表、發(fā)郵件，那企業(yè)干嘛還要給員工買Salesforce、Workday或者Excel的訂閱席位？

沒有了這些，SaaS公司還有什么存在的必要？

皮查伊拋出了一個(gè)數(shù)據(jù)安撫市場(chǎng)：“頭部95%的SaaS公司，已經(jīng)在采用Gemini來重構(gòu)業(yè)務(wù)。”

未來的SaaS公司將不再單純出售軟件系統(tǒng)，而是將其轉(zhuǎn)化為底層的數(shù)據(jù)API，直接賣給谷歌或客戶的AI智能體。

這就催生了一個(gè)龐大的新興業(yè)務(wù)：數(shù)據(jù)現(xiàn)代化改造。

智能體再怎么聰明，首先它得有數(shù)據(jù)。

企業(yè)買單的前提是，智能體能讀取企業(yè)內(nèi)部的私有數(shù)據(jù)。但很多大型企業(yè)的ERP、CRM系統(tǒng)老舊不堪，根本就沒有標(biāo)準(zhǔn)的API接口。

也就是說，谷歌不僅在賣智能體服務(wù)，還在利用這波機(jī)會(huì)，強(qiáng)迫企業(yè)把所有底層數(shù)據(jù)全部搬到Google Cloud的BigQuery數(shù)據(jù)庫(kù)里。

據(jù)預(yù)測(cè)，每在AI上花費(fèi)1美元，將帶動(dòng)至少3美元的底層數(shù)據(jù)清洗和云存儲(chǔ)需求。

這是真正的“連環(huán)收割”盈利路線。

03

當(dāng)TPU 8t在日以繼夜地訓(xùn)練更聰明的大腦，當(dāng)TPU 8i在數(shù)據(jù)中心里以光速處理海量的推理請(qǐng)求時(shí)，世界的規(guī)則已經(jīng)被悄然改寫。

隨著智能體大量投入應(yīng)用，AI再也不是為人賦能的工具，而是真正成為可以替代人的執(zhí)行者。

在這種情況下，絕大部分企業(yè)其實(shí)沒有選擇。

你不用，你的對(duì)手用怎么辦？

最原始的生存法則一定會(huì)使得智能體在企業(yè)端的需求得到完全釋放。

最終，必然會(huì)造成兩個(gè)顯而易見的后果。

首先，市場(chǎng)格局進(jìn)一步兩極分化。

智能體的研發(fā)和部署，都需要海量的資金、技術(shù)和人才，少數(shù)巨頭通過加大投入掌控智能體的核心技術(shù)和基礎(chǔ)設(shè)施，將進(jìn)一步擴(kuò)大自己的優(yōu)勢(shì)；而中小企業(yè)，只能在前者構(gòu)建的生態(tài)中，從事一些細(xì)分領(lǐng)域的工作，很難再形成競(jìng)爭(zhēng)力。

其次，誰來買單？

不難想象，隨著智能體深度應(yīng)用，每一個(gè)消費(fèi)者都能得到極致的專屬智能服務(wù)，享受更舒適便捷的生活。

但是，為這些服務(wù)買單的財(cái)富，從哪里來？（全文完）

格隆匯聲明：文中觀點(diǎn)均來自原作者，不代表格隆匯觀點(diǎn)及立場(chǎng)。特別提醒，投資決策需建立在獨(dú)立思考之上，本文內(nèi)容僅供參考，不作為任何實(shí)際操作建議，交易風(fēng)險(xiǎn)自擔(dān)。